10 modi in cui l’IA ha il potenziale per migliorare l’agricoltura nel 2021
Il monitoraggio IoT-enabled Agricultural (IoTAg) è l’agricoltura intelligente e connessa in più rapida crescita … [+] GETTY
Secondo BI Intelligence Research, la spesa globale per tecnologie e sistemi agricoli intelligenti e connessi, tra cui AI e machine learning, dovrebbe triplicare le entrate entro il 2025, raggiungendo i 15,3 miliardi di dollari.
Secondo Markets & Markets, la spesa per le sole tecnologie e soluzioni di IA nell’agricoltura dovrebbe crescere da 1 miliardo di dollari nel 2020 a 4 miliardi di dollari nel 2026, raggiungendo un tasso di crescita annuale composto (CAGR) del 25,5%.
Secondo PwC, il monitoraggio dell’agricoltura abilitata all’IoT (IoTAg) è il segmento tecnologico in più rapida crescita dell’agricoltura connessa e intelligente che si prevede raggiungerà i 4,5 miliardi di dollari entro il 2025.
AI, machine learning (ML) e sensori IoT che forniscono dati in tempo reale per algoritmi aumentano l’efficienza agricola, migliorano i raccolti e riducono i costi di produzione alimentare. Secondo i dati di previsione delle Nazioni Unite sulla popolazione e la fame, la popolazione mondiale aumenterà di 2 miliardi di persone entro il 2050, richiedendo un aumento del 60% della produttività alimentare per nutrirla. Solo negli Stati Uniti, la coltivazione, la lavorazione e la distribuzione di cibo è un affare da 1,7 trilioni di dollari, secondo l’Economic Research Service del Dipartimento dell’Agricoltura degli Stati Uniti. AI e ML stanno già dimostrando il potenziale per aiutare a colmare il divario nel fabbisogno alimentare previsto per altri 2 miliardi di persone in tutto il mondo entro il 2050.

L’agricoltura è una delle industrie più fertili per l’intelligenza artificiale e l’apprendimento automatico

Immagina di avere almeno 40 processi essenziali per tenere traccia, eccellere e monitorare allo stesso tempo in una vasta area agricola spesso misurata in centinaia di acri. Ottenere informazioni su come il tempo, la luce solare stagionale, i modelli migratori di animali, uccelli, insetti, l’uso di fertilizzanti specializzati, insetticidi per coltura, cicli di semina e cicli di irrigazione influiscono sulla resa è un problema perfetto per l’apprendimento automatico. Il successo finanziario di un ciclo colturale non è mai stato così dipendente da dati eccellenti. Ecco perché agricoltori, cooperative e società di sviluppo agricolo stanno raddoppiando approcci incentrati sui dati e ampliando la portata e la scala del modo in cui utilizzano l’IA e l’apprendimento automatico per migliorare i raccolti e la qualità dell’agricoltura. I seguenti sono dieci modi in cui l’IA ha il potenziale per migliorare l’agricoltura nel 2021:

  1. L’ utilizzo di AI e sistemi di sorveglianza basati sull’apprendimento automatico per monitorare i feed video in tempo reale di ogni campo di coltivazione identifica violazioni di animali o esseri umani, inviando immediatamente un avviso. L’intelligenza artificiale e l’apprendimento automatico riducono il potenziale degli animali domestici e selvatici di distruggere accidentalmente i raccolti o subire un’irruzione o un furto con scasso in una fattoria remota. Dati i rapidi progressi nell’analisi video alimentati dall’intelligenza artificiale e dagli algoritmi di apprendimento automatico, chiunque sia coinvolto nell’agricoltura può proteggere i propri campi e il perimetro degli edifici. I sistemi di videosorveglianza di intelligenza artificiale e apprendimento automatico sono scalabili con la stessa facilità per un’operazione agricola su larga scala come per una singola azienda agricola. I sistemi di sorveglianza basati sull’apprendimento automatico possono essere programmati o addestrati nel tempo per identificare i dipendenti rispetto ai veicoli. Soluzioni Twenty20è leader nel campo della sorveglianza basata sull’intelligenza artificiale e sull’apprendimento automatico e si è dimostrato efficace nel proteggere strutture remote, ottimizzare i raccolti e scoraggiare i trasgressori utilizzando l’apprendimento automatico per identificare i dipendenti che lavorano in loco. Di seguito viene mostrato un esempio del monitoraggio in tempo reale di Twenty20 Solutions:

10 modi in cui l’IA ha il potenziale per migliorare l’agricoltura nel 2021
Affidarsi ad algoritmi di intelligenza artificiale e apprendimento automatico per identificare persone e veicoli sta semplificando … [+] 10 MODI IN CUI L’IA HA IL POTENZIALE PER MIGLIORARE L’AGRICOLTURA NEL 2021

  1. L’ intelligenza artificiale e l’apprendimento automatico migliorano la previsione della resa del raccolto attraverso i dati dei sensori in tempo reale e i dati di analisi visiva dei droni.La quantità di dati acquisiti da sensori intelligenti e droni che forniscono streaming video in tempo reale fornisce agli esperti agricoli set di dati completamente nuovi a cui non hanno mai avuto accesso prima. È ora possibile combinare i dati del sensore nel terreno di umidità, fertilizzante e livelli di nutrienti naturali per analizzare i modelli di crescita di ogni coltura nel tempo. L’apprendimento automatico è la tecnologia perfetta per combinare enormi set di dati e fornire consigli basati su vincoli per ottimizzare i raccolti. Quello che segue è un esempio di come l’intelligenza artificiale, l’apprendimento automatico, i sensori a terra, le immagini a infrarossi e l’analisi video in tempo reale si combinano per fornire agli agricoltori nuove informazioni su come possono migliorare la salute e la resa delle colture:

10 modi in cui l’IA ha il potenziale per migliorare l’agricoltura nel 2021
I droni si stanno dimostrando una piattaforma affidabile per acquisire dati su come fertilizzanti specifici, … [+] ORGANIZZAZIONE PER L’ALIMENTAZIONE E L’AGRICOLTURA DELLE NAZIONI UNITE; E-AGRICULTURE IN ACTION: DRONES FOR AGRICULTURE, BANGKOK, 2018

  1. La mappatura della resa è una tecnica agricola che si basa su algoritmi di apprendimento automatico supervisionato per trovare modelli in set di dati su larga scala e comprenderne l’ortogonalità in tempo reale, il che è inestimabile per la pianificazione delle colture. È possibile conoscere i potenziali tassi di rendimento di un dato campo prima che venga avviato un ciclo vegetativo. Utilizzando una combinazione di tecniche di apprendimento automatico per analizzare la mappatura 3D, i dati sulle condizioni sociali dai sensori e i dati basati sui droni del colore del suolo, gli specialisti agricoli possono ora prevedere i potenziali raccolti del suolo per un determinato raccolto. Viene completata una serie di voli per ottenere il set di dati più accurato possibile. Il grafico seguente mostra il risultato di un’analisi di mappatura della resa:

10 modi in cui l’IA ha il potenziale per migliorare l’agricoltura nel 2021
Vengono utilizzati algoritmi di apprendimento automatico supervisionati e non supervisionati per determinare il modo migliore per … [+] TANHA TALAVIYA, DHARA SHAH, NIVEDITA PATEL, HITESHRI YAGNIK, MANAN SHAH, IMPLEMENTAZIONE DELL’INTELLIGENZA ARTIFICIALE IN AGRICOLTURA PER L’OTTIMIZZAZIONE DELL’IRRIGAZIONE E L’APPLICAZIONE DI PESTICIDI ED ERBICIDI, INTELLIGENZA ARTIFICIALE IN AGRICOLTURA, VOLUME 4, 2020, PAGINE 58-73, ISSN 2589- 7217.

  1. Le Nazioni Unite, le agenzie internazionali e le operazioni agricole su larga scala stanno sperimentando i dati dei droni combinati con i sensori a terra per migliorare la gestione dei parassiti. Utilizzando i dati delle telecamere a infrarossi dei droni combinati con sensori sui campi in grado di monitorare i livelli di salute relativi delle piante, i team agricoli che utilizzano l’intelligenza artificiale possono prevedere e identificare le infestazioni di parassiti prima che si verifichino. Un esempio di ciò è il modo in cui l’ONU sta utilizzando la collaborazione con PwC per valutare i frutteti di palma da dati in Asia per potenziali infestazioni di parassiti, come mostrato nell’immagine seguente:

10 modi in cui l’IA ha il potenziale per migliorare l’agricoltura nel 2021
L’ONU sta combinando sensori a terra e dati dei droni per mettere a punto i loro algoritmi di apprendimento automatico … [+] ORGANIZZAZIONE PER L’ALIMENTAZIONE E L’AGRICOLTURA DELLE NAZIONI UNITE; E-AGRICULTURE IN ACTION: DRONES FOR AGRICULTURE, BANGKOK, 2018

  1. Oggi c’è una carenza di lavoratori agricoli, il che rende i trattori intelligenti, gli agribot e la robotica basati su intelligenza artificiale e apprendimento automatico un’opzione praticabile per molte operazioni agricole remote che lottano per trovare lavoratori. Le aziende agricole su larga scala non riescono a trovare un numero sufficiente di dipendenti e si rivolgono alla robotica per centinaia di acri di raccolti, fornendo allo stesso tempo un elemento di sicurezza attorno al perimetro delle località remote. La programmazione di macchine robotiche semoventi per distribuire il fertilizzante su ogni fila di colture aiuta a contenere i costi di esercizio e a migliorare ulteriormente le rese del campo. La sofisticazione dei robot agricoli è cresciuta rapidamente, un esempio della quale è mostrato nella dashboard del robot VineScout in uso.
  2. Migliorare la tracciabilità e la tracciabilità delle filiere agricole eliminando gli ostacoli all’introduzione di colture più fresche e sicure sul mercato è oggi un must.La pandemia ha accelerato l’adozione della tracciabilità e della tracciabilità in tutte le filiere agricole nel 2020 e continuerà a guidarne l’adozione quest’anno. Un sistema track-and-trace ben gestito aiuta a ridurre la contrazione delle scorte fornendo maggiore visibilità e controllo attraverso le catene di approvvigionamento. Un sistema di tracciabilità all’avanguardia può distinguere tra le assegnazioni dei materiali a livello di lotto, lotto e container delle spedizioni in entrata. I sistemi track-and-trace più avanzati si basano su sensori avanzati per acquisire una maggiore conoscenza delle condizioni di ogni spedizione. I sensori RFID e IoT stanno diventando sempre più comuni in tutta la produzione. Walmart ha condotto un progetto pilota per vedere come l’RFID potrebbe semplificare le prestazioni di tracciabilità di un centro di distribuzione e migliorare l’efficienza di 16 volte rispetto ai metodi manuali.
  3. Ottimizzare il giusto mix di pesticidi biodegradabili e limitare la loro applicazione solo alle aree del campo che necessitano di trattamento per ridurre i costi, aumentando al contempo i rendimenti è uno degli usi più comuni dell’IA e dell’apprendimento automatico in agricoltura oggi. Utilizzando sensori intelligenti combinati con flussi di dati visivi dai droni, le applicazioni di intelligenza artificiale agricola possono ora rilevare le aree più infette di un’area di piantagione. Utilizzando algoritmi di apprendimento automatico supervisionato, possono quindi definire il mix ottimale di pesticidi per ridurre la minaccia dei parassiti che si diffondono ulteriormente e infettano colture sane.
  4. Le previsioni dei prezzi per le colture basate sui tassi di rendimento che aiutano a prevedere i volumi totali prodotti sono inestimabili nella definizione delle strategie di prezzo per un dato raccolto. La comprensione dei tassi di resa e dei livelli di qualità delle colture aiuta le aziende agricole, le cooperative e gli agricoltori a negoziare meglio il miglior prezzo possibile per i loro raccolti. Considerare la domanda totale di un dato raccolto per determinare se la curva di elasticità del prezzo per un dato raccolto è anelastica, unitaria o altamente elastica definisce quale sarà la strategia di prezzo. La sola conoscenza di questi dati consente alle aziende agricole di risparmiare milioni di dollari all’anno in mancate entrate.
  5. Individuare le perdite di irrigazione, ottimizzare i sistemi di irrigazione e misurare l’efficacia dell’irrigazione frequente delle colture migliora i tassi di rendimento sono tutte aree che l’IA contribuisce a migliorare l’efficienza agricola. L’acqua è la risorsa più scarsa in molte parti del Nord America, soprattutto nelle comunità che dipendono maggiormente dall’agricoltura come attività principale. Essere efficienti nell’usarlo può fare la differenza tra un’azienda agricola o un’azienda agricola che rimane redditizia o meno. La programmazione lineare viene spesso utilizzata per calcolare la quantità ottimale di acqua necessaria a un determinato campo o coltura per raggiungere un livello di resa accettabile. Gli algoritmi di apprendimento automatico supervisionati sono ideali per garantire che i campi e le colture ricevano acqua sufficiente per ottimizzare i raccolti senza sprecarne nulla nel processo.
  6. Il monitoraggio della salute del bestiame, inclusi i segni vitali, i livelli di attività quotidiana e l’assunzione di cibo, garantisce che la loro salute sia uno degli aspetti in più rapida crescita dell’IA e dell’apprendimento automatico in agricoltura. Capire come ogni tipo di bestiame reagisce alla dieta e alle condizioni di imbarco è inestimabile per capire come possono essere trattati al meglio a lungo termine. Utilizzando l’intelligenza artificiale e l’apprendimento automatico per capire cosa mantiene le mucche quotidiane contese e felici, produrre più latte è essenziale. Per molte aziende agricole che si affidano alle mucche e al bestiame, quest’area offre visioni completamente nuove su come le aziende agricole possono essere più redditizie.

Di ihal